CHƯƠNG 6: KẾT QUẢ MÔ PHỎNG VÀ ĐIỀU KHIỂN ĐỐI TƯỢNG THỰC
6.3. Kết quả điều khiển mô hình thực
6.3.2. Điều khiển nồng độ pH
Vì gặp nhiều khó khăn khi tiếp cận mô hình thực, tác giả chưa có kết quả trình bày trong luận văn này.
KẾT LUẬN CHƯƠNG 6
Trong Chương 6 tác giả trình bày kết quả điều khiển bộ điều khiển dự báo thích nghi đối với đối tượng là mô hình pH cho kết quả rất tốt. Việc so sánh kết quả điều khiển khi thay đổi các thông số thiết kết của bộ điều khiển và thông số mô hình cho thấy được tính chất và đặc trưng bộ điều khiển dự báo và kết quả khi so sánh với bộ điều khiển PID thông thường thể hiện chất lượng mà bộ điều khiển dự báo thích nghi mang lại so với bộ điều khiển PID.
89
Chương 7 : KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN ĐỀ TÀI
7.1. Kết luận
Luận văn đã thực hiện được các nhiệm vụ đề ra:
- Tìm hiểu cơ sở lý thuyết về điều khiển dự báo và xây dựng bộ điều khiển dự báo thích nghi phi tuyến.
- Mô hình hóa và nhận dạng mô hình điều khiển nồng độ pH sử dụng mạng thần kinh.
- Tìm hiểu và áp dụng thuật toán ước lượng thông số mô hình trực tuyến vào điều khiển dự báo.
- So sánh và đánh giá kết quả điều khiển mô phỏng khi mô hình đối tượng được xây dựng từ mô hình toán, mô hình nhận dạng ngoại tuyến và mô hình nhận dạng trực tuyến.
Các điểm chưa thực hiện:
- Điều khiển mô hình quá trình pH thực tại phòng thí nghiệm 109-B3
Ưu điểm:
- Luận văn sử dụng mô hình nhận dạng trực tuyến sử dụng cho bộ điều khiển dự báo để cải tiến những khuyết điểm khi nhận dạng mô hình ngoại tuyến.
- Mô phỏng được kết quả điều khiển cho đối tượng có tính phi tuyến cao là mô hình pH
Nhược điểm:
- Kết quả điều khiển bị ảnh hưởng nhiều bởi nhiễu - Vùng pH chỉ có thể điều khiển từ 3 đến 11 độ
- Khi phạm vi dự báo lớn có thể dẫn tới việc mất ổn định về mặt số học ảnh hưởng xấu đến kết quả điều khiển.
7.2. Hướng phát triển của đề tài
90
- Kết hợp các bộ điều khiển với nhau để có thể điều khiển toàn miền giá trị pH - Giảm ảnh hưởng của nhiễu tới chất lượng điều khiển
- Áp dụng luật điều khiển dự báo vào đối tượng pH thực
CÔNG TRÌNH CÔNG BỐ CỦA TÁC GIẢ
Trong quá trình nghiên cứu thực hiện luận văn, tác giả có đóng góp một bài báo cho hội nghị ISEE2015.
Bài báo: Nonlinear Extended Prediction Self-Adaptive Control with Online Model Identification for Cascade Tanks.
TÀI LIỆU THAM KHẢO
[1] Phạm Hữu Đức Dục. “Mô hình điều khiển dự báo và ứng dụng điều khiển thích nghi hướng tàu thuỷ,” Tạp chí khoa học và công nghệ. vol. 45, pp. 101-106, 2008.
[2] T.Q.Tuan and P.X.Minh. “Điều khiển dự báo tựa mô hình trên cơ sở hệ mờ, ứng dụng điều khiển lò phản ứng dây chuyền liên tục (CSTR),” Science and Technology Development. vol. 13, pp. 16-23, 2010.
[3] L.T.H.Linh. “Predictive control on based disturbance identification on internal model for class systems with delay,” Trường ĐHKTCN Thái Nguyên.
[4] Clara I. and Robin D. Keyser. “Some Challenging feedback-control applications in biomedical systems,” Journal of Medical Informatics & Technology. vol.9, 2005 [5] Corneliu L. and Razvan P. “Nonlinear Predictive Control of a pH Process,” 17th European Symposium on Computer Aided Process Engineering. 2007.
[6] Manuel G.C et al. “Nonlinear predictive control with dead-time compensator:
Application to a solar power plant,”. Solar Energy. vol. 83, pp. 743–752, May. 2009 [7] William I. et al. “Nonlinear Predictive Control of an Evaporator for Bioethanol production,” 2013 European Control Conference (ECC). 2013.
[8] Amelie Ch. and Clara M.I. “Nonlinear Predictive Control of Shank Movement Around the Knee Joint,” Preprints of the 19th World Congress The International Federation of Automatic Control. Aug. 2014.
[9] De Keyser, R. “A ‘Gent’le Approach to Predictive Control,” UNESCO Encyclopaedia of Life Support Systems (EoLSS). 2003.
[10] J.A.Castano et al. “Enhancing the robustness of the EPSAC predictive control using a Singular Value Decomposition approach,” Robotics and Autonomous Systems 74. pp. 283-295, 2015.
[11] L.S.Saoud et al. “Modeling pH Neutralization Process using Fuzzy Dynamic Neural units Approaches,” International Journal of Computer Applications (0975 – 8887). vol. 28– No.4, pp. 22-29, Aug. 2011
[12] S.Mahmoodi et al. “Nonlinear model predictive control of a pH neutralization process based on Wiener–Laguerre model,” Chemical Engineering Journal 146. pp 328-337, 2009